O que significa a “Regra Empírica da Amplitude”? Explique.

Passo 1

O que você pediu: explicar o que significa a “Regra Empírica da Amplitude” — ou seja, quero deixar claro o que essa regra afirma, que notação usa e para que serve.
Informações dadas: nenhuma informação numérica foi fornecida, só a solicitação de explicação. Vou assumir que você quer entender o enunciado da regra, como aplicá‑la na prática e quais são suas limitações.

Passo 2

Definições básicas (para não pular etapas):
  • A amplitude (ou range) de um conjunto de dados é a diferença entre o maior e o menor valor. Vou chamar isso de R, isto é,
R = \text{máximo} - \text{mínimo}.áí
  • O desvio padrão populacional é denotado por \sigma. Ele mede, em média, o quanto os pontos se afastam do valor médio. Não preciso aqui derivar a fórmula do desvio padrão, só é importante saber que \sigma tem a mesma unidade dos dados e que valores maiores indicam maior dispersão.

Passo 3

Lembrete da “regra empírica” da distribuição normal (isso é o kit de intuição que leva à regra da amplitude): para uma variável aproximadamente normal,
  • cerca de 68\% dos dados ficam dentro de \pm 1\sigma da média,
  • cerca de 95\% ficam dentro de \pm 2\sigma,
  • cerca de 99{,}7\% ficam dentro de \pm 3\sigma.
    Essa é a famosa regra 68\!-\!95\!-\!99{,}7\%. Ela diz que valores extremos tipicamente não fogem de \pm 3\sigma.

Passo 4

Como se chega na “Regra Empírica da Amplitude”:
Se a maior parte dos dados está dentro de \pm 3\sigma em torno da média, então, muito grosseiramente, a diferença entre o maior e o menor valor (a amplitude R) será da ordem de
R \approx 6\sigma,
porque vai de -3\sigma até +3\sigma, distância total 3\sigma - (-3\sigma)=6\sigma. A partir daí obtemos a fórmula prática de estimativa do desvio padrão a partir da amplitude:
\hat{\sigma} \approx \dfrac{R}{6}.
Essa é a forma mais comum da chamada “Regra Empírica da Amplitude”: usar R/6 como estimativa rápida de \sigma quando os dados são aproximadamente normais.

Passo 5

Exemplo numérico simples (para fixar):
Suponha que numa amostra você observe mínimo 10 e máximo 22. Então
R = 22 - 10 = 12.
Pela regra:
\hat{\sigma} \approx \dfrac{R}{6} = \dfrac{12}{6} = 2.
Interpretação: uma estimativa rápida do desvio padrão é 2. Não é precisa como calcular o desvio padrão real da amostra, mas dá uma noção imediata.

Passo 6

Uma versão um pouco mais precisa (quando você tem amostras pequenas): constantes d2 e controle de qualidade
Em controle estatístico de qualidade e amostragem há uma fórmula melhor, que usa uma constante \,d_2 que depende do tamanho da subamostra n:
\hat{\sigma} = \dfrac{R}{d_2}.
Os valores de \,d_2 foram tabulados (são esperanças da amplitude padronizada) e tornam a estimativa mais correta para amostras pequenas. Exemplos de \,d_2 (para n=2 a 10) são:
d_2(2)=1{,}128,\; d_2(3)=1{,}693,\; d_2(4)=2{,}059,\; d_2(5)=2{,}326,
d_2(6)=2{,}534,\; d_2(7)=2{,}704,\; d_2(8)=2{,}847,\; d_2(9)=2{,}970,\; d_2(10)=3{,}078.
Repare que conforme n aumenta, d_2 também aumenta e a razão R/d_2 dá uma estimativa mais apropriada que R/6 para amostras pequenas.

Passo 7

Limitações importantes (não dá para pular isso na prova nem na prática):
  • Sensibilidade a outliers: a amplitude depende só do mínimo e do máximo, então um único valor extremo distorce muito R e a estimativa de \sigma.
  • Suposição de normalidade: a regra R\approx 6\sigma decorre da ideia de \pm 3\sigma; se a distribuição não for aproximadamente normal (caudas pesadas, assimetria grande), a relação cai por terra.
  • Tamanho da amostra: para amostras pequenas a constante 6 é grosseira — aí vale usar \,d_2. Para amostras grandes a aproximação R/6 melhora, mas ainda é bem grosseira.
  • É uma estimativa rápida — para precisão, calcule o desvio padrão amostral com a fórmula clássica.

Passo 8

Quando usar na prova ou na prática (dica amiga):
  • Use \hat{\sigma}\approx R/6 quando precisar de uma estimativa muito rápida e tiver motivos para acreditar que os dados são quase normais e sem outliers.
  • Se a questão mencionar amostras pequenas e quiser uma estimativa melhor, aplique \hat{\sigma}=R/d_2 com o d_2 apropriado (mencione que você está usando essa correção).
  • Sempre declare a suposição: “assumo distribuição aproximadamente normal e ausência de outliers” — isso mostra que você sabe as limitações.

Passo 9

Resumo prático e encorajamento final (curto e amigo):
A Regra Empírica da Amplitude é uma regra de bolso: transforma uma informação muito simples (o máximo e o mínimo) em uma estimativa rápida do desvio padrão. Ela não substitui cálculo riguroso, mas é útil quando você precisa de um palpite razoável na hora — e com a prática você saberá quando esse palpite vale e quando não vale.

Resposta

A Regra Empírica da Amplitude afirma que, para dados aproximadamente normais, a amplitude R é aproximadamente 6\sigma; assim uma estimativa rápida do desvio padrão é \hat{\sigma}\approx R/6 (mais precisa para amostras pequenas: \hat{\sigma}=R/d_2, com d_2 tabulado).

Exercícios relacionados